Publisher : Politeknik Negeri Jember 40
Pemetaan Kesehatan Kebun Kelapa Sawit Berdasarkan Nilai
Normalized Difference Vegetation Index (NDVI) Menggunakan Citra Landsat-8 Di Kebun PT. Wanapotensi Guna
Mapping Health of Oil Palm Based on Normalized Difference Vegetation Index (NDVI) Using Landsat-8 Images in PT. Wanapotensi Guna
Author(s): Nur Hadi Ageng Pangestu(1); Galuh Banowati(1)*
(1) Politeknik LPP Yogyakarta
* Corresponding author: [email protected]
Submitted: 13 Jan 2023 Accepted: 7 Feb 2023 Published: 31 Mar 2023
ABSTRAK
Komoditas kelapa sawit memberikan sumbangan devisa terhadap negara sangat besar, rata-rata pertahun US$ 22-23 miliar. Bahkan ditahun 2021, devisa yang dihasilkan dari ekspor komoditas kelapa sawit mencapai US$ 30 miliar, rekor tertinggi selama ini. Faktor kesehatan tanaman menjadi sangat penting untuk diperhatikan agar tanaman menghasilkan sesuai potensi genetisnya. Berbagai metode yang cepat dan akurat dikembangkan untuk melakukan analisis kesehatan tanaman, mengingat lahan pengusahaannya bersifat hamparan dan sangat dipengaruhi oleh kondisi lingkungan. NDVI atau Normalized Difference Vegetation Index merupakan metode yang digunakan dalam membandingkan tingkat kehijauan vegetasi yang berasal dari citra satelit.
Penelitian ini bertujuan untuk menganalisa kondisi kesehatan tanaman kelapa sawit dengan menggunakan metode NDVI dengan teknologi penginderaan jauh menggunakan Citra Landsat 8 L2 C2 yang direkam pada 07 Oktober 2021. Nilai NDVI yang diperoleh dijadikan acuan untuk menilai tingkat kesehatan tanaman, dan untuk komparasi nilai NDVI yang diperoleh dikorelasikan dengan hasil LSU (Leaf Sampling Unit) unsur Nitrogen. Penelitian ini merupakan studi kasus yang dilaksanakan di PT. Wanapotensi Guna yang terletak di Kecamatan Sanga Desa, Kabupaten Musi Banyuasin, Sumatera Selatan. Hasil penelitian ini menunjukkan bahwasanya dari total wilayah tengah II PT. Wanapotensi Guna menunjukkan, 0.1% tergolong non vegetasi, 0.2% tergolong tanaman tidak sehat, 50.12% tergolong tanaman normal dan 49.58% tergolong tanaman sehat dengan korelasi nilai NDVI dengan data LSU N memiliki korelasi yang kuat dengan nilai 0.7214.
Kata Kunci:
Citra Satelit;
Kesehatan Tanaman Kelapa Sawit;
Landsat 8;
NDVI
Keywords:
Landsat 8;
NDVI;
Oil Palm Health;
Satellite Imagery.
ABSTRACT
Palm oil contributes a very large amount of foreign exchange to Indonesian countries, with an annual average of US$ 22-23 billion. Even in 2021, the foreign exchange generated from the export of palm oil commodities will reach US$ 30 billion. Plant health is very important to note that plants produce according to their genetic potential. Various fast and accurate methods have been developed to carry out plant health analysis, bearing in mind that the cultivated land is expansive and highly influenced by environmental conditions. NDVI (Normalized Difference Vegetation Index) is a method used to compare the greenness of vegetation from satellite imagery. This study aims to analyze the health conditions of oil palm plants using the NDVI method with remote sensing technology using Landsat 8 L2 C2 imagery which was recorded on October 7, 2021. NDVI value is used as a reference for assessing the level of plant health, and for comparison, the NDVI value correlated with the results of the LSU (Leaf Sampling Unit) element of Nitrogen. This research is a case study conducted at PT. Wanapotential Guna is located in Kecamatan Sanga Desa, Kabupaten Musi Banyuasin, South Sumatra. The results of this study indicate that the total middle area II of PT.
Wanapotential Guna shows that 0.1% is classified as non-vegetation, 0.2% is classified as unhealthy plants, 50.12% is classified as normal plants, and 49.58% is classified as healthy plants with a correlation of NDVI values with LSU N data having a strong correlation with a value of 0.7214.
Publisher : Politeknik Negeri Jember 41 PENDAHULUAN
Komoditas kelapa sawit memberikan sumbangan devisa terhadap negara sangat besar, rata-rata pertahun US$ 22-23 miliar.
Bahkan ditahun 2021, devisa yang dihasilkan dari ekspor komoditas kelapa sawit mencapai US$ 30 miliar, rekor tertinggi selama ini.
Produk kelapa sawit sebagai salah satu bahan baku industri memegang peranan penting dalam kegiatan perekonomian Indonesia. Selain sebagai salah satu penghasil devisa Negara, kelapa sawit juga bersifat padat karya (labour intensive) sehingga banyak menyerap tenaga kerja (Indarti, 2014), sawit membuka lapangan kerja bagi 16 juta orang secara langsung.
Pulau Sumatera dan Kalimantan menjadi daerah konsentrasi perkebunan kelapa sawit, akan tetapi produktivitas CPO tertinggi dihasilkan di Papua, yaitu 5.140 kg/ha (Direktorat Statistik Tanaman Pangan, Hortikultura, 2022). Untuk mengiringi kebutuhan minyak kelapa sawit dunia, dibutuhkan suatu inovasi teknologi yang dapat menekan biaya dan meningkatan efisiensi kerja lapangan dengan secara dini mengetahui kesehatan tanaman.
Salah satu cara paling mudah untuk mengetahui tanaman yang sakit karena kekurangan nutrisi yaitu dengan mengamati bagian daunnya. Ketika tanaman kekurangan nutrisi akan menunjukkan gejalanya seperti layunya daun tanaman, berubahnya warna daun, dan produksi tanaman yang menurun.
Selain menggunakan bagan warna daun, kekurangan nutrisi pada tanaman bisa diamati dengan kasat mata pada perubahan penampakan daun. Diagnosis berdasarkan gejala visual (visible symptom) memerlukan pendekatan sistematis antara lain apakah hara yang didiagnosis sifatnya mobil dalam floem atau tidak.
Gejala visual defisiensi hara dapat dilihat pada daun tua dan daun dewasa (old and mature leaf blades) atau pada daun
muda dan pucuk (young leaf blades and apex) tergantung apakah hara yang didiagnosis sifatnya mobil atau immobil dalam phloem. Untuk hara mobil seperti N dan Mg gejala visual pertama tampak pada daun tua dan daun dewasa, sedangkan untuk hara immobil seperti Ca gejala visual pertama tampak pada daun muda dan/atau pucuk. Saat kekurangan suatu nutrisi atau unsur hara tertentu, daun akan memberikan respon seperti menguning (klorosis), berubah warna menjadi coklat (nekrosis), terlihat seperti terbakar (menjadi putih karena kehilangan klorofil. Jika daun bagian bawah atau daun yang sudah tua memberikan gejala menguning (klorosis), menjadi coklat (nekrosis), atau munculnya bercak-bercak (bercak nekrosis) maka kekurangan unsur-unsur hara yang mobile penyebabnya. Unsur hara yang bersifat mobile adalah unsur N, P, K, Mg, Zn, dan Mo (Wiraatmaja, 2017).
Sampel daun sawit diperoleh melalui kegiatan yang disebut Leaf Sampling Unit (LSU). LSU adalah kesatuan dari sampel atau contoh daun (KCD) yang diambil dari pelepah ke-9 untuk TBM atau ke-17 untuk TM. Sampel daun tersebut digunakan untuk keperluan analisa daun di laboratorium. Data dari hasil analisa laboratorium tersebut, digunakan untuk keperluan penentuan dosis dan jenis pupuk selama periode tertentu. Kegiatan LSU dilakukan oleh perusahaan perkebunan sawit minimal 1 kali dalam setahun. Data hasil analisa laboratorium sampel daun sawit dapat digunakan untuk mengidentifikasi status level unsur hara pada tanaman kelapa sawit. Status level unsur hara tersebut dapat diketahui dengan cara membandingkan data hasil analisa laboratorium dengan tabel yang dikembangkan oleh Fairhurst dan Mutert (Fairhurst & Mutert, 1999).
Analisis data Penginderaan Jauh memerlukan data rujukan seperti peta tematik, data statistik, dan data lapangan.
Hasil analisis yang diperoleh berupa
Publisher : Politeknik Negeri Jember 42 informasi mengenai bentang lahan, jenis
penutup lahan, kondisi lokasi, dan kondisi sumberdaya daerah yang diindera. Salah satu bentuk data Penginderaan Jauh adalah citra satelit. Citra dari satelit Landsat merupakan salah satu citra satelit yang banyak digunakan dalam aplikasi Penginderaan Jauh karena cukup baik dalam interpretasi penutupan lahan daerah yang luas dan mudah didapatkan. Satelit Landsat terbaru yang diluncurkan adalah Landsat 8.
Normalized Difference Vegetation Index (NDVI) adalah perhitungan citra yang digunakan untuk mengetahui tingkat kehijauan. NDVI dapat menunjukkan parameter yang berhubungan dengan parameter vegetasi yaitu biomassa, daerah dedaunan hijau yang merupakan nilai yang dapat diperkirakan untuk pembagian vegetasi. Nilai indeks pada NDVI antara - 1 sampai 1, namun dalam pembedaan obyek mempunyai nilai indeks yang berbeda. Obyek vegetasi mempunyai range antara 0,2 hingga 0,8 sedangkan untuk obyek non vegetasi berkisar antara -1 hingga 0 (Simarmata et al., 2019).
Pemetaan kondisi kesehatan tanaman kelapa sawit merupakan kegiatan yang sangat penting dilakukan untuk mengetahui kondisi kesehatan tanaman. Pada masa sekarang monitoring kondisi kesehatan tanaman kelapa sawit masih banyak dilakukan secara manual sehingga memakan waktu dengan hasil yang tingkat subjektifitasnya tinggi. Perkembangan teknologi penginderaan jauh, dapat memonitor kesehatan tanaman dengan cepat secara global dengan tingkat subjektifitas yang rendah menggunakan kamera multispektral.
Penelitian menggunakan metode klasifikasi NDVI untuk menilai sebaran kondisi kesehatan tanaman sawit di Sumatera Selatan, diperoleh bahwa hubungan antara kandungan klorofil total dan nilai NDVI (Normallized Difference Vegetation Index) memiliki hubungan
yang positif, dimana semakin tinggi nilai NDVI, maka semakin tinggi nilai kadar klorofilnya. Nilai determinan korelasi menunjukkan bahwa adanya hubungan yang sangat kuat antara nilai indeks vegetasi kesehatan kelapa sawit dengan nilai kandungan klorofil (Yurianda dkk., 2022).
Dalam penelitian menganalisis kesuburan tanah pada lahan sawit di Pelaihari Kalimantan Selatan menggunakan metode NDVI, didapatkan bahwa kelas sawit tidak subur paling dominan karena Nitrogen (N) yang berperan dalam pembentukan klorofil sedikit diserap oleh tanaman sehingga nilai indeks vegetasi (NDVI) bernilai 0.11 – 0.21. Kandungan Nitrogen (N) pada sampel tanah yang diuji tergolong sedang, rata-ratanya adalah 0.22 %. Sedangkan reaksi PH tanahnya adalah asam dengan rata-rata 5.42 sehingga faktor yang mempengaruhi tingkat kesuburan kelapa sawit adalah reaksi tanah (PH). Karena reaksi tanah (PH) yang asam dapat mempengaruhi rendahnya jumlah hara yang terkandung dalam tanah. Namun, korelasi antara PH dan N bernilai rendah yaitu 20.88 % (Sudjianto, 2015)
Berdasarkan penelitian-penelitian sebelumnya maka dilakukan studi kasus untuk menganalisis kesehatan tanaman di PT Wanapotensi Guna menggunakan data citra satelit Landsat 8 dengan metode Normalized Difference Vegetation Index (NDVI). Hasil penelitian ini dapat menjadi acuan untuk melakukan tindakan teknis budidaya untuk mempertahankan tanaman agar tetap sehat.
METODOLOGI
Lokasi penelitian di kebun PT.
Wanapotensi Guna, Kabupaten Musi Banyuasin, Sumatera Selatan. Penelitian dilakukan pada bulan Maret - Juli 2022.
Alat yang digunakan pada penelitian ini adalah laptop, mouse, smartphone dan internet, kemudian bahan yang diperlukan
Publisher : Politeknik Negeri Jember 43 dalam penelitian ini adalah citra landsat 8
dan peta kebun PT. Wanapotensi Guna di Kabupaten Musi Banyuasin, data LSU (Leaf Sampling Unit), microsoft excel dan Software ArcMap.
Dikutip dari Symphony GEO dipublikasikan 12 Maret 2017, perhitungan NDVI didasarkan pada prinsip bahwa tanaman hijau tumbuh secara sangat efektif dengan menyerap radiasi di daerah spektrum cahaya tampak (PAR atau Photosynthetically Aktif Radiation), sementara itu tanaman hijau sangat memantulkan radiasi dari daerah inframerah dekat. Konsep pola spektral di dasarkan oleh prinsip ini menggunakan hanya citra band merah adalah sebagai berikut:
𝑁𝐷𝑉𝐼 = (𝑁𝐼𝑅 − 𝑅𝑒𝑑)/(𝑁𝐼𝑅 + 𝑅𝑒𝑑) Dimana:
NIR= radiasi inframerah dekat dari piksel.
Red= radiasi cahaya merah dari piksel
Klasifikasi Kesehatan tanaman berdasarkan nilai NDVI (Rahaldi et al., 2013) yaitu:
Tabel 1. Klasifikasi Kesehatan Tanaman Table 1. Plant Health Classification
Kelas Kisaran NDVI
Non Vegetasi 0 s.d 0.11 Tanaman Tidak Sehat 0.11 s.d 0.22 Tanaman Normal 0.22 s.d 0.42 Tanaman Sehat 0.42 s.d 0.92 Sumber : (Rahaldi et al., 2013)
Tata Laksana Penelitian:
Pencarian data: Pengunduhan citra landsat 8 Collection 2 Level 2 Kabupaten Musi Banyuasin pada tanggal 07 Oktober 2021 (dipilih berdasarkan kualitas citra yang paling jelas/tidak berawan) pada website USGS (citra dikoreksi). Peta kebun yang diperoleh dari bagian Tanaman PT Wanapotensi Guna dipotong berdasarkan wilayah lokasi kebun
Pemrosesan data: Citra saluran band NIR dan red dimasukkan di ArcMap, kemudian pilih “ArcToolbox”, pada “ArcToolbox” pilih “Map Algebra”, kemudian pilih “Raster Calculator”. Setelah itu persamaan NDVI dimasukkan yaitu (NIRred)/(NIR+red). Kemudian file dipilih dan ditempatkan serta diberi nama pada output raster, klik ok. Secara otomatis hasil kalkulasi akan dimunculkan pada layer.
Pengkelasan hasil NDVI, selanjutnya objek non-vegetasi diberi warna merah, tanaman tidak sehat diberi warna kuning, tanaman normal diberi warna hijau muda dan tanaman sehat diberi warna hijau tua.
Analisis Data: Kondisi kesehatan tanaman kelapa sawit ditentukan dari hasil analisis NDVI yang didapatkan dengan menggunakan aplikasi ArcMap, kemudian nilai dari NDVI yang didapatkan di hitung nilai korelasinya dengan aplikasi Microsoft Excel terhadap data hasil LSU unsur Nitrogen.
Publisher : Politeknik Negeri Jember 44 HASIL DAN PEMBAHASAN
Tanaman hidup menyerap gelombang tampak (visible) biru dan merah serta memantulkan gelombang hijau, oleh karena itu mata manusia melihat daun-daun tanaman yang hidup adalah berwarna hijau.
Akan tetapi terdapat satu jenis gelombang lain yang juga di pantulkan oleh tanaman selain gelombang hijau, akan tetapi gelombang ini tidak dapat di lihat oleh mata, gelombang ini adalah gelombang Near Infra Red. Pada landsat 8 memiliki lebar
kanal 0,845-0,885 µm dan lebar kanal merah yaitu 0,630-0,680 µm kanal tersebut lebih sempit jika dibandingkan dengan landsat 7 yang memiliki lebar kanal 0,775- 0,900 µm dan lebar kanal merah yaitu 0,630-0.690 µm. Semakin sempit kanal maka semakin meningkat kemampuan mengenali obyek karena lebih fokus/ lebih spesifik dalam pengenalan objeknya meskipun variasi objek yang direkam oleh citra lebih sedikit (Amaliana, 2015).
Gambar 1. Citra Warna Landsat 8 Wilayah Tengah II
Figure 1. The displaying Landsat 8 Color Image of Central Region II Gambar 1 merupakan citra warna
asli wilayah tengah II PT Wanapotensi Guna dari hasil komposit band 3,4 dan 5 dengan menggunakan aplikasi ArcMap.
Citra yang digunakan adalah citra landsat 8 dimana band 1-7 memiliki resolusi luas 15
m, citra landsat termasuk dalam citra yang memiliki kategori resolusi sedang.
Semakin tinggi resolusinya maka akan membuat area yang lebih sempit dengan informasi yang lebih detail.
Gambar 2. Peta Seluruh Kebun PT Wanapotensi Guna Figure 2. Map of the entire plantation of PT Wanapotensi Guna
Publisher : Politeknik Negeri Jember 45 PT Wanapotensi Guna terletak di
Kecamatan Sanga Desa, Kabupaten Musi Banyuasin, Sumatera Selatan (Gambar 2).
Tanaman kelapa sawit di kebun PT
Wanapotensi Guna dibagi menjadi 4 wilayah yaitu wilayah timur, wilayah tengah I, wilayah tengah II dan wilayah barat.
Gambar 3. Peta Wilayah Tengah II dan Titik Sampel Figure 3. Map of Central Region II and Sample Points Penelitian dilakukan di wilayah tengah II
seperti pada Gambar 3, terdapat 4 divisi yaitu divisi 7 yang di beri warna biru, divisi 8 yang diberi warna kuning, divisi 9 yang di beri warna ungu dan divisi 10 yang diberi warna abu-abu. Masing-masing divisi diambil 8 sampel blok karena
menyesuaikan dengan data LSU PT Wanapotensi Guna, kemudian setiap blok diambil lima titik sampel yang diberi warna titik hitam dapat di lihat pada Gambar 3, dari ke lima titik sampel tersebut akan diambil nilai rata – rata sebagai nilai NDVI yang mewakili blok tersebut.
Gambar 4. Analisis NDVI di Wilayah Tengah II Figure 4. NDVI Analysis in Central Region II
Publisher : Politeknik Negeri Jember 46 Analisis NDVI dihubungkan dengan
kesehatan tanaman (Gambar 5) permukaan yang memiliki nilai NDVI -0,175227 – 0,11 menunjukan area non vegetasi diberi warna merah dikarenakan areal tersebut adalah areal pabrik/bangunan atau lahan yang tertutup awan. Nilai NDVI 0,11– 0,22
menunjukan tanaman tidak sehat dan di beri warna kuning. Nilai NDVI 0,22 – 0,42 menunjukan tanaman normal diberi warna hijau muda. Nilai NDVI 0,42 – 0,57031 menunjukan tanaman sehat diberi warna hijau tua.
Tabel 2. Nilai NDVI Berdasarkan Kesehatan Tanaman Kelapa Sawit Wilayah Tengah II Table 2. NDVI Value Based on the Health of Oil Palm in Central Region II
Kelas Nilai NDVI Luas (Ha) Persentase
Non Vegetasi -0,175227 - 0,11 2,54 0,1 %
Tanaman Tidak Sehat 0,11 - 0.22 4,92 0,2 %
Tanaman Normal 0,22 - 0,42 1278,72 50.12 %
Tanaman Sehat 0,42 - 0,57031 1264,95 49,58 %
Total 2551,13187 100 %
Tabel 2 menunjukan analisis dan klasifikasi kesehatan tanaman kelapa sawit di wilayah tengah II. Pada kelas non vegetasi memiliki nilai NDVI antara - 0,175227 – 0,11 dengan luas 2,54 ha pada area non vegetasi tersebut terdapat areal pabrik kelapa sawit. Pada kelas tanaman tidak sehat menunjukan nilai NDVI antara 0,11 – 0,22 dengan luas 4,92 ha. Pada kelas
tanaman normal menunjukan nilai NDVI antara 0,22 – 0,42 dengan luas 1278,72 ha dan kelas tanaman sehat menunjukan nilai NDVI antara 0,42 – 0,57031 dengan luas 1264,95 ha.
Nilai NDVI yang akan dibandingkan dengan Nilai LSU-N setiap blok yang diamati ditunjukkan oleh Gambar 6.
Gambar 6. Grafik Nilai NDVI Figure 6. NDVI Value Chart Nilai NDVI yang diperoleh dari 5
sampel untuk masing-masing blok menunjukan rentang NDVI 0,4091 hingga 0,5080. Berdasarkan data berikut terdapat 6 blok yang tergolong dalam tanaman normal yaitu blok M22, L5, L15, J7, K14
dan I7. Terdapat 27 blok yang tergolong ke dalam tanaman sehat yaitu blok I3, I5, JI, J4, J8, J10, K6, K8, K10, K12, K16, K18, K20, L2, L7, L10, L12, L17, L22, M2, M4, M6, M8, M14, M18 dan M24. Rata-rata nilai
Publisher : Politeknik Negeri Jember 47 blok tanaman yang diamati tidak terdapat
tanaman yang tidak sehat.
Gambar 7. Grafik Nilai LSU Nitrogen Figure 7. LSU Nitrogen Value Chart Gambar 7 merupakan hasil analisis
LSU-N yang dilakukan oleh PT Wanapotensi Guna pada bulan November
2021, dan Tabel 3 merupakan rujukan untuk menentukan status unsur N pada blok yang diamati.
Tabel 3. Batas Kritis Nutrisi Makro Daun Kelapa Sawit Table 3. Macronutrient Critical Limits of Oil Palm Leaves
Sumber: (Fairhurst & Mutert, 1999)
Tanaman kelapa sawit yang berada di wilayah tengah II sudah berumur diatas 6, bila dilihat hasil analisa nilai LSU-N dibandingkan dengan batas kritis nutrisi N (Tabel 3) menunjukkan 1 blok mengalami defisiensi unsur N yaitu blok L12 sebesar 2,295, dan terdapat 8 blok yang dibawah optimal unsur N antara 2,30 - 2,40 yaitu blok M2, M14, M22, I7, J7, L5, K8 dan K14.
Terdapat 23 blok yang optimal unsur N antara 2,40 – 2,80 yaitu blok I3, I5, J4, J8,
J10, K6, K10, K12, K16, K18, K20, L2, L7, L22, L10, L12, L17, L22, M4, M6, M8, M18 dan M24, dan tidak terdapat tanaman yang kelebihan N.
Uji akurasi pada penelitian ini menggunakan korelasi linier, dimana menurut (Mundir, 2012) uji korelasi merupakan salah satu jenis statistik inferensial yang lazim digunakan untuk menguji keberadaan hubungan atau pengaruh antara variabel dengan variabel
Publisher : Politeknik Negeri Jember 48 yang lain atau antar sejumlah variabel.
Korelasi positif terjadi apabila kedua variabel (atau lebih) yang berhubungan itu menunjukkan adanya perubahan yang searah (pararel). Korelasi negatif terjadi apabila kedua variabel (atau lebih) yang berhubungan itu menunjukkan adanya perubahan yang berlawanan arah.
Korelasi adalah metode statistik yang digunakan untuk menentukan kuatnya atau derajat hubungan linier antara dua variabel atau lebih. Koefisien korelasi sederhana menunjukkan seberapa besar hubungan yang terjadi antara dua variabel.
Klasifikasi koefisien korelasi ditunjukkan pada Tabel 5.
Tabel 5. Interpretasi Koefisien Korelasi Table 5. Interpretation of the Correlation Coefficient
Interval Koefisien Tingkat Hubungan 0 - 0,199 Sangat Rendah
0,2 -0,3 Rendah
0,4 - 0,59 Cukup Kuat
0,6 - 0,79 Kuat
0,8 - 1 Sangat Kuat
Gambar 8. Grafik Korelasi Linier Nilai NDVI dengan Nilai LSU-N Figure 8. Linear Correlation of NDVI with LSU-N Values Chart Nilai korelasi yang kuat dilihat dari
Gambar 8 ditunjukkan dari nilai 0,7214, dimana terdapat hubungan yang kuat antara nilai LSU-N dengan nilai NDVI.
Nilai korelasi yang kuat menunjukkan bahwa penilaian kesehatan tanaman menggunakan metode NDVI maupun metode analisis daun kandungan N (LSU-N) hasilnya sejalan. Dipilihnya LSU-N disebabkan kandungan klorofil total dan nilai NDVI memiliki hubungan yang positif, sementara Nitrogen (N) yang berperan dalam pembentukan klorofil.
Hasil penelitian (Istanti & Triasih, 2021) menunjukkan bahwa kandungan klorofil yang tinggi menyebabkan hasil gabah padi
hitam paling tinggi, hal ini diduga terjadi peningkatan laju fotosintesis akibat meningkatnya kandungan klorofil sehingga pembentukan dan transfer fotosintat lebih optimal. Dengan demikan dapat dikatakan bahwa klorofil yang ditunjukkan dari warna hijau pada daun dapat dijadikan indikator tanaman pada kondisi sehat karena dapat melakukan proses fotosintesis secara optimal.
KESIMPULAN
Hasil pemetaan kondisi kesehatan kebun kelapa sawit PT Wanapotensi Guna wilayah tengah II berdasarkan Nilai Normalized Difference Vegetation Index
Publisher : Politeknik Negeri Jember 49 (NDVI) menggunakan Citra Landsat 8,
mempunyai rentang nilai 0,175227 – 0,57031. Nilai NDVI tersebut menunjukkan kondisi kesehatan tanaman.
0,1 % non vegetasi, 0,2 % tanaman tidak sehat tidak dalam blok tanaman sawit yang diamati, 50,12 % tanaman normal dan 49,58 % tanaman sehat. Korelasi nilai NDVI dengan nilai LSU-N 0.7214 atau korelasi yang kuat, sehingga metode ini dapat digunakan untuk menilai kesehatan tanaman kelapa sawit berdasarkan efektivitas, efisiensi waktu dan biaya.
DAFTAR PUSTAKA
Amaliana, D. R. Y. P. A. S. (2015).
Analisis Perbandingan Nilai NDVI LANDSAT 7 Dan LANDSAT 8 Pada Kelas Tutupan Lahan (Studi Kasus : Kota Semarang, Jawa tengah). Jurnal Geodesi Undip Januari 2015 Jurnal Geodesi Undip Januari 2015, 4(1), 42.
Direktorat Statistik Tanaman Pangan, Hortikultura, dan P. (2022). Statistik KelapaSawit Indonesia 2021. In dan P. Direktorat Statistik Tanaman Pangan, Hortikultura (Ed.), Badan Pusat Statistik. Badan Pusat Statistik.
Fairhurst, T. H., & Mutert, E. (1999).
Interpretation and Management of Oil Palm Leaf Analysis Data. Better Crops International, 13(1), 48–51.
Indarti. (2014). Outlook Komoditi Kelapa Sawit. In C. & Nuryati (Ed.), Buku.
Pusat Data dan Sistem Informasi Pertanian, Sekjen-Kementan.
Istanti, A., & Triasih, D. (2021). Respon Pertumbuhan dan Hasil Padi Hitam (Oryza sativa L) Lokal Banyuwangi terhadap Aplikasi Beberapa Jenis Pupuk Kandang. Agriprima : Journal of Applied Agricultural Sciences,
5(1), 25–33.
Mundir. (2012). Statistik Pendidikan. In Muhibbin (Ed.), Pengantar Analisis Data Untuk Penulisan Skripsi & Tesis (September). STAIN Jember Press.
Rahaldi, P., Handayani, H. H., & Wibowo, A. (2013). Analisa Kesehatan Tanaman Padi Berdasarkan Nilai Normalized Difference Vegetation Index (NDVI) Menggunakan Citra Aster (Studi Kasus : Kabupaten Indramayu - Jawa Barat). Geoid, 8(2), 107.
Simarmata, N., Elyza, F., & Vatiady, R.
(2019). Analisis Spektral Citra Spot 7 Untuk Identifikasi Kawasan Mangrove Di Pantai Timur Kabupaten Lampung Selatan.
Seminar Nasional Geomatika, 3, 1213.
Sudjianto, F. (2015). Analisa Tingkat Kesuburan Kelapa Sawit Berdasarkan Citra Landsat 8 Menggunakan Metode Klasifikasi Terselia (Studi Kasus: Kecamatan Pelaihari, Kabupaten Tanah Laut, Kalimantan Sel. Tugas Akhir, 80.
Wiraatmaja, I. W. (2017). Defisiensi dan Toksisitas Hara Mineral serta Responnya terhadap Hasil. In Bahan Ajar. Fakultas Pertanian UNUD.
Yurianda, R. B., Setyawan, D., Studi, P., Tanah, I., Pertanian, F., & Sriwijaya, U. (2022). Metode Klasifikasi Normalized Difference Vegetation Index Berbasis Citra Landsat 8I untuk Identifikasi Sebaran Kondisi Kesehatan Tanaman Kelapa Sawit di PT. Andira Agro, Sumatera Selatan.
Pedontropika, 8(2), 1–5.
